银行对贷款风险定价影响论文

伴随利率市场化改革的不断推进，商业银行的贷款定价更富有弹性，可以通过合理的风险定价，在原有的运营环境下发掘新的盈利点，拓展信贷市场。但是，由于以往长期受到利率管制的影响，商业银行贷款定价普遍经验不足，导致了银行产品定价能力不足，产品价格难以对市场做出迅速准确的反应，不仅影响了银行经营效率，也阻碍了宏观金融政策实施。下面是小编精心推荐的《银行对贷款风险定价影响论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

银行对贷款风险定价影响论文 篇1：

互联网金融与商业银行盈利:冲击抑或助推

摘要： 本文分析了互联网金融对商业银行盈利的影响机理，在此基础上选取中国125家商业银行2013— 2017年季度数据对互联网金融与商业银行盈利的关系进行了实证分析。研究表明：（1）第三方支付通过改进存款期限配置效率对商业银行盈利能力产生显著的冲击效应，但P2P网贷通过诱导金融脱媒对商业银行盈利能力的影响不显著。（2）第三方支付对商业银行非利息收入占比具有显著的助推作用，但P2P网贷对商业银行非利息收入占比的影响不显著。（3）第三方支付对股份制商业银行盈利能力的冲击力度最大，对国有大型商业银行的冲击力度居中，对城农商银行的冲击力度最小，但P2P网贷对不同类型商业银行盈利能力的影响均不显著。（4）第三方支付对国有大型商业银行非利息收入占比具有显著的助推作用，但对股份制商业银行与城农商银行的影响均不显著。P2P网贷对国有大型银行非利息收入占比具有显著的冲击效应，但对股份制商业银行与城农商银行的影响均不显著。

关键词： 互联网金融; 商业银行; 盈利; P2P网贷; 第三方支付

文献标识码： A  

《中国金融稳定报告（2014）》这样定义互联网金融：“借助于互联网技术和移动通信技术实现资金融通、支付和信息中介功能的新兴金融模式。”互联网技术与传统金融行业的有效融合孕育了互联网金融。互联网金融正以其独特的经营模式和价值创造方式，影响着传统金融业务，逐步成为整个金融体系中不可忽视的组成部分，同时也在全方位地改变公众的生活方式。自2013年阿里巴巴货币基金型产品“余额宝”上市以来，各种互联网金融创新产品竞相迸发，以变革者的姿态闯入大众视野。在短短几年时间里，互联网金融从结算功能、资金融通功能、理财功能等方面迅速抢占传统商业银行的市场份额，打破了商业银行传统稳定的经营环境。可见，商业银行面临着互联网金融对其盈利水平的冲击。这种冲击主要表现为：第一，以支付宝、微信支付为主的第三方支付不断冲击商业银行资金结算支付的主体地位;第二，以货币型基金产品为主导的新型理财方式的出现加大了商业银行负债端的压力，并推动资金成本的上升;第三，P2P融资平台、网络众筹、微贷平台等形式为资金链上下游客户提供了直接对接的渠道，取代了商业银行资金融通的中介地位。盈利模式主要体现在盈利能力与盈利结构两大层面，其中盈利能力是商业银行风险运营的重要基础，也是衡量商业银行风险承担能力的重要指标，盈利结构是反映商业银行盈利质量的重要指标，其关系到商业银行盈利能力的持续增长性。对此，盈利能力与盈利结构已成为衡量商业银行整体盈利水平的两大重要维度。互联网金融体系的形成与发展，会对商业银行经营活动产生重要影响，从盈利能力与盈利结构两大维度探讨互联网金融对商业银行整体盈利水平的影响，对于中国商业银行业提升盈利能力及优化盈利结构，以此来科学应对互联网金融体系的冲击，具有重要的理论与现实意义。

一、文献回顾

互联网金融是金融学领域的崭新概念。国外学者Franklin等[1]研究认为，互联网金融的发展对传统金融机构，尤其是对商业银行将产生较大影响。David等[2]研究发现，互联网金融与商业银行之间的深度融合，促使互联网技术与银行产品相互渗透，由此生成更多方便快捷的金融产品。Lee等[3]研究表明，商业银行在提供金融服务时需要考虑社交平台传播功能，利用社交平台可以有效提升信息传播效率。Lee[4]从长尾理论、金融中介理论与平台经济理论三种发展理论出发，诠释了互联网金融与商业银行的竞争效应。Deyoung等[5]则从存款业务、贷款业务、中间业务等三大业务出发，分别考察互联网金融对银行不同业务渠道的负面影响。Norden等[6]研究认为，存贷款利差是银行最重要的收入来源，互联网金融对这部分收入将产生冲击。Brissimis等[7]研究发现，互联网金融对银行存贷款业务方面的冲击力度最大。但是，也有部分学者倾向于互联网金融对银行盈利产生正向影响。Jallath等[8]研究认为，互联网金融对银行支付结算、理财产品、佣金收入等具有推动作用。More等[9]研究发现，在存贷款业务稳定状态下，中间业务将对银行整体盈利能力产生明显的提升作用。Kao等[10]研究表明，第三方支付因其平台效应及客户集聚效应对银行盈利存在促进作用。

国内的研究尚处于起步阶段，主要归纳为三个层面：第一，互联网金融功能及影响渠道层面。李克穆[11]研究认为，互联网金融功能在于利用大数据的便利，对客户信息进行甄别，从而解决小额贷款成本收益的不匹配性，推动了社会融资功能的实现，增加了资金可获得性。何启志等[12]研究发现，互联网金融融通了资金链的上下游端口，高企的网贷利率吸引了社会资金提供者，由此引发金融机构脱媒现象，从而对银行存款产生分流影响。张万力等[13]研究表明，互联网金融的理财资金收益功能与客户信息收集功能的优势已逐步显现，这种优势将对银行理财客户市场形成一定冲击影响。战明华等[14]研究显示，互联网金融通过影响银行负债结构、证券市场流动性和企业融资结构来弱化货币政策的银行信贷传导渠道。第二，互联网金融影响银行行为层面。王锦虹[15]以银行资产、负债与中间业务作为测度因素，探讨互联网金融与银行盈利的关系，认为互联网金融对银行资产项的影响较小，但对其负债项的影响较大。申创等[16]考察了互联网金融对银行经营绩效的影响，发现互联网金融发展对银行经营绩效水平存在显著的负向影响。刘笑彤等[17]研究表明，银行通过并购重组能够在互联网金融环境下获得更高的技术进步与全要素生产效率，从而提升经营绩效。张庆君等[18]研究顯示，互联网金融对银行传统业务存在替代效应，促使银行资本配置效率下降。第三，互联网金融影响银行风险层面。冯乾等[19]研究认为，互联网金融风险的产生源于交易双方信息不对称、行业羊群行为、道德风险等因素，这种风险将引发互联网金融的声誉危机。顾海峰等[20]研究发现，互联网金融通过收窄银行利差与降低运营成本的双重渠道影响银行风险承担水平，两种渠道的效应叠加决定着对银行风险承担的影响方向。

综上，已有文献主要局限于互联网金融对银行经营及风险承担的影响层面。本文的主要贡献在于：从盈利能力与盈利结构的双重视角分析互联网金融对银行盈利的影响机理，在此基础上选取中国2013—2017年125家商业银行季度数据，采用非平衡面板回归模型对互联网金融对商业银行盈利的影响进行实证分析，并以此为依据给出相关建议。本研究成果将为中国银行业提升盈利能力及优化盈利结构，科学应对互联网金融体系的冲击提供参考。

二、理论分析与研究假设

（一）互聯网金融对商业银行盈利影响的传导路径分析

互联网金融的主流业态模式为第三方支付平台与P2P网贷平台。互联网金融通过第三方支付与P2P网贷两大运营平台，在表内与表外业务层面对商业银行盈利产生影响。盈利水平是商业银行生存及可持续发展的重要基础及保障。商业银行盈利水平主要体现在商业银行盈利能力与商业银行盈利结构两大层面。其中，商业银行盈利能力是指银行通过表内外业务所获得的整体收益规模，决定着银行债务代偿能力。因此，提高盈利能力是商业银行生存的重要基础。商业银行盈利结构是指银行非利息收入在银行营业收入中的占比，是反映银行盈利质量的重要指标。在利率市场化背景下，商业银行存贷款利差缩窄已成为常态，提升非利息收入占比将有助于稳定商业银行整体盈利水平。因此，改进银行盈利结构是银行可持续发展的重要保障。

由上述分析可知，互联网金融对商业银行盈利的影响主要体现在第三方支付与P2P网贷两大平台对商业银行盈利能力与盈利结构影响的双重层面上。其中，第三方支付通过改进存款期限配置效率方式与融合支付结算与网络拓展方式分别对银行盈利能力与盈利结构产生影响;P2P网贷通过诱导金融脱媒、融合债权众筹、集合理财等方式分别对银行盈利能力与盈利结构产生影响。基于上述分析，本文给出互联网金融对商业银行盈利影响的传导路径，如图1所示。

（二）第三方支付对商业银行盈利的影响机理分析

（1）第三方支付在表内业务层面对银行盈利能力产生影响。第三方支付主要通过改进存款期限配置方式对银行盈利能力产生影响。第三方支付集聚众多用户的小额活期存款，转换成大额定期存款，使银行活期存款规模降低。同时，第三方支付将活期存款转换为定期存款后再以大额定期存款方式存放于商业银行，这将导致商业银行存款利息支出的增加，由此引发商业银行整体盈利水平的下降，从而对商业银行盈利能力产生负向影响。

（2）第三方支付在表外业务层面对商业银行盈利结构产生影响。第三方支付主要通过建立支付结算与网络拓展的深度融合方式对商业银行盈利结构产生影响。商业银行为第三方支付打通支付结算通道，促使第三方支付享有更大的支付结算平台，由此获得更大的收益。同时，第三方支付发挥其网络拓展优势，为商业银行拓展表外业务带来更多的客户资源，由此引发商业银行非利息收益占比的提高，从而对商业银行非利息收入占比产生正向影响。

（三）P2P网贷对商业银行盈利的影响机理分析

（1）P2P网贷在表内业务层面对银行盈利能力产生影响。P2P网贷主要通过诱导金融脱媒对商业银行盈利能力产生影响。P2P网贷直接融通了资金供需求双方，促使资金游离于作为金融中介的银行体系之外，由此引发金融脱媒。在金融脱媒情况下，P2P网贷资金提供方的预期收益率远大于商业银行存款利率，高企的资金收益率将引发银行存款资金分流，在存贷比约束下，银行贷款规模下降，引发商业银行存贷款利差收入下降，从而对商业银行盈利能力产生负向影响。

（2）P2P网贷在表外业务层面对商业银行盈利结构产生影响。P2P网贷主要通过建立债权众筹与集合理财的深度融合方式对商业银行盈利结构产生影响。P2P网贷资金主要来源于债权众筹，资金收益率优势是P2P网贷的重要生存基础之一。为获得较高的预期收益率，P2P网贷除了进行资金放贷之外，还将通过资金理财方式获得较高收益，以此来实现P2P网贷运作的可持续目标。因此，P2P网贷与商业银行存在深度合作倾向，P2P网贷通过债权众筹方式为商业银行募集理财资金，由此增大商业银行理财资金规模，从而不仅实现P2P网贷的资金收益率目标，还促使商业银行非利息收入占比得以提高，从而对商业银行非利息收入占比产生正向影响。

（四）研究假设

依据上述分析，本文提出如下基本假设：

假设1：第三方支付对商业银行盈利能力具有负向影响，对商业银行非利息收入占比具有正向影响。

假设2：P2P网贷对商业银行盈利能力具有负向影响，对商业银行非利息收入占比具有正向影响。

假设3：互联网金融对不同类型银行的盈利存在异质性影响。

三、实证研究设计

（一）样本数据选取

考虑到互联网金融主要从2013年开始大规模发展，同时基于数据可得性，本文选取中国125家商业银行2013—2017年的季度数据作为样本数据。考虑到某些样本银行个别年份数据的缺失问题，本文采用非平衡面板模型的插值功能进行补全。样本数据主要来源于Wind数据库、国泰安数据库、艾瑞咨询以及各样本银行季度报告。

（二）变量设计

（1）被解释变量。关于银行盈利能力的指标，选取衡量商业银行盈利能力的资产收益率（ROA）。对于商业银行盈利结构指标，主要选择净利息收入占营业收入的比例和非利息收入占营业收入的比例。基于两者之间的关系以及指标重要性程度，本文选取非利息收入占营业收入的比例（NLLR）来衡量银行盈利结构。

（2）解释变量。将互联网金融划分为第三方支付与P2P网贷两种类型，将第三方支付规模与P2P网贷规模作为自变量来反映互联网金融规模，同时为统一变量的量纲问题，本文选取第三方支付规模对数（lnTPP）、P2P网络借贷规模对数（lnP2P）两个自变量来测度互联网金融规模。

（3）控制变量。通过对商业银行盈利的影响因素进行分析，并借用已有文献的变量选择，本文最终选择两个层面的变量作为控制变量：一方面，在商业银行微观指标层面，选取银行的存贷比（LDR）、成本收入比（CIR）、不良贷款率（NPL）、资本充足率（CAR）、银行资产规模对数（lnSIZE）等作为控制变量;另一方面，在宏观经济发展水平层面，选取反映宏观经济发展水平的GDP增长率（GGDP）作为控制变量。

变量定义及描述性统计结果见表1。

从表1可以看出，资产收益率均值为1.06%，最大值为2.21%，最小值只有0.05%，说明不同样本银行之间的差异较大。非利息收入占比均值为21.51%，表明对所有样本银行来说平均非利息收入占到银行收入的21.51%。存贷比均值为64.39%，最小值为30.59%，最大值达到了95.43%，不同样本银行之间的差异较大。成本收入比均值为30.75%，说明平均来说样本银行的成本收入比为30.75%。不良贷款率最大值为5.59%，最小值為0.21%，说明不同样本银行间差异较大。资本充足率均值为12.72%，最大值为19.39%，最小值为7%，说明不同样本银行的资本充足率差异较大。资产规模均值为8.33，最大值为12.39，最小值为3.38，考虑到是取对数之后的值，说明中国商业银行平均规模较大，同时不同类型商业银行的资产规模差异也较大。宏观经济増长率均值为6.97%，说明中国经济处于高速平稳发展状态。

（三）实证模型构建

本文构建的面板模型如下：

其中，i代表样本商业银行，t代表时期，NIIRi，t表示第i家银行在t时期的非利息收入占比，α为常数项，βi为各变量对应的系数，εi，t为随机误差项。

四、实证检验与结果分析

本文将采用非平衡面板回归模型，以反映银行盈利能力的资产收益率与反映银行盈利结构的非利息收入占比为被解释变量，以反映互联网金融发展的第三方支付规模与P2P网贷规模为解释变量，同时引入存贷比、成本收入比、不良贷款率、资本充足率、资产规模、GDP增速等控制变量，对互联网金融对商业银行盈利的影响进行实证检验。

（一）全样本面板回归分析

为确定采用固定效应模型还是随机效应模型，需要进行Hausman检验。Hausman检验结果显示，在5%的显著性水平上拒绝原假设，即结果表明应采用固定效应模型。本文基于固定效应模型进行面板回归分析，全样本面板回归结果见表2。

从表2可以看出，两个模型R2值分别为0.7736与0.6526，说明模型拟合优度均很好，F值均在1%显著性水平上显著，说明方程显著性强，各变量对应系数绝大部分显著。依据上述全样本面板回归结果，本文得到如下结论：

（1）第三方支付对商业银行盈利的影响。在对商业银行盈利能力影响层面，由模型（1）可知，lnTPP的系数为负，且通过1%的显著性水平检验，说明第三方支付对商业银行资产收益率具有负面影响，第三方支付对银行盈利能力存在冲击效应。在对商业银行盈利结构影响层面，由模型（2）可知，lnTPP的系数为正，且通过10%的显著性水平检验，说明第三方支付对商业银行非利息收入占比具有正向影响，即第三方支付规模的扩大会提升商业银行非利息收入占比。上述结果表明：在对商业银行盈利能力影响方面，第三方支付对商业银行盈利能力具有显著的负向影响，第三方支付对商业银行盈利能力存在显著的冲击效应，足以说明第三方支付与商业银行的竞争效应显现。在对银行盈利结构影响方面，第三方支付对银行非利息收入占比具有显著的正向影响，第三方支付对银行非利息收入占比存在显著的助推作用，足以说明第三方支付与商业银行的合作效应显现。其主要原因在于：第三方支付与商业银行的竞争效应主要体现在银行存款与理财资金分流层面，第三方支付平台推出的理财产品收益率远大于商业银行存款及理财产品收益率，从而分流了银行存款及理财资金规模，进而对银行盈利能力产生冲击效应。此外，第三方支付与商业银行的合作效应主要体现在支付结算与网络拓展层面，商业银行为第三方支付打通支付结算通道，而第三方支付通过网络渠道为商业银行拓展中间业务，为商业银行带来更多中间业务，由此引发商业银行非利息收入占比的提高。可见，第三方支付与商业银行之间的竞争与合作关系，将决定第三方支付对商业银行盈利的影响特征。由此验证了假设1。

（2）P2P网贷对商业银行盈利的影响。在对商业银行盈利能力影响层面，由模型（1）可知，lnP2P的系数为负，但并未通过10%的显著性水平检验，说明P2P网贷对银行资产收益率的负向影响不显著，P2P网贷对银行盈利能力的冲击效应不显著。在对银行盈利结构影响层面，由模型（2）可知，lnP2P的系数为正，但并未通过10%的显著性水平检验，说明P2P网贷对商业银行非利息收入占比的正向影响不显著，P2P网贷对银行非利息收入占比的助推作用不显著。由此验证了假设2。其主要原因在于：P2P网贷与商业银行之间的竞争与合作关系主要表现为吸收存款与理财资金的竞争性及贷款风险运营的合作性。考虑到P2P网贷的资金投放规模远小于银行信贷投放规模，P2P网贷业务规模尚未对商业银行信贷业务规模形成有效分流，难以引发P2P网贷对商业银行盈利能力与盈利结构的有效冲击或助推，P2P网贷与银行之间的竞争与合作效应尚未显现。

（3）第三方支付与P2P网贷对商业银行盈利的影响力度比较。对比模型（1）与模型（2）中lnTPP与lnP2P的回归系数绝对值发现，lnTPP的回归系数绝对值均远大于lnP2P的回归系数绝对值，说明第三方支付对商业银行盈利能力与盈利结构的影响力度均远大于P2P网贷对商业银行盈利能力与盈利结构的影响力度。其主要原因在于：P2P网贷与商业银行贷款的客户群定位存在较大差异，P2P网贷主要面向小额贷款客户群，商业银行贷款主要针对大中型企业客户群，因此P2P网贷对商业银行贷款业务的稀释力度是极其有限的，这就决定着P2P网贷对商业银行盈利能力的影响力度很小。但是，第三方支付的网络支付结算功能更贴近客户市场，由此引发第三方支付与商业银行之间的深度合作。第三方支付通过网络渠道拓展及增大商业银行中间业务规模，使银行中间业务收入增加，银行非利息收入占比提高。

（4）控制变量对商业银行盈利的影响。在对商业银行盈利能力影响层面，由模型（1）可知，成本收入比、不良贷款率、资本充足率、资产规模均通过1%的显著性水平检验，说明成本收入比、不良贷款率、资本充足率、资产规模等对商业银行盈利能力均具有显著影响，其中成本收入比对商业银行盈利能力存在冲击效应，不良贷款率、资本充足率、资产规模等对商业银行盈利能力均存在助推作用。但是，存贷比、不良贷款率、资产规模、GDP增速等对银行盈利结构的影响均不显著。在对商业银行盈利结构影响层面，由模型（2）可知，成本收入比与资本充足率均通过1%的显著性水平检验，说明成本收入比与资本充足率对商业银行盈利结构均具有显著影响，其中成本收入比对商业银行非利息收入占比存在助推作用，资本充足率对商业银行非利息收入占比存在冲击效应。

（二）分样本面板回归分析

为进一步分析互联网金融对不同类型商业银行盈利的影响是否存在显著的异质性特征，本文对全部样本银行进行分类处理，划分为国有大型商业银行、股份制商业银行与城农商银行三大类型，通过对三类银行分样本回归分析，揭示互联网金融对不同类型商业银行盈利的影响是否存在显著差异。具体的分样本面板回归结果见表3。

上述分样本回归结果表明，互联网金融对不同类型商业银行的盈利具有显著的异质性影响。由此验证了假设3。这种异质性影响主要归纳如下：

（1）第三方支付對不同类型商业银行盈利的异质性影响。在对不同类型商业银行盈利能力的影响层面，三类银行对应的lnTPP系数均为负，且均通过显著性检验，但是股份制银行对应的lnTPP系数绝对值最大，国有大型银行居中，城农商银行最小。这说明第三方支付对股份制银行盈利能力的冲击力度最大，对国有大型银行盈利能力的冲击力度居中，对城农商银行盈利能力的冲击力度最小。在对不同类型银行盈利结构的影响层面，国有大型银行对应的lnTPP系数为正，且均通过显著性检验，然而股份制银行与城农商银行对应的lnTPP系数均为正，但均未通过显著性检验。这说明第三方支付对国有大型银行非利息收入占比具有显著的助推作用，但对股份制银行与城农商银行非利息收入占比的助推作用不显著。其主要原因在于：第三方支付在理财业务领域的客户定位与股份制银行最为相似，在竞争效应作用下，第三方支付对股份制银行盈利能力的冲击效应最大。

此外， 国有大型银行对资金结算通道的主导权促使第三方支付与国有大型银行在支付结算业务领域进行深度合作，在合作效应作用下，促使国有大型银行中间业务量大幅增加，导致国有大型银行非利息收入占比显著提升。

（2）P2P网贷对不同类型商业银行盈利的异质性影响。在对不同类型商业银行盈利能力的影响层面，三类银行对应的lnP2P系数均为负，且均未通过10%的显著性检验。这说明P2P网贷对不同类型商业银行盈利能力的异质性影响不显著，这主要是由P2P网贷的放贷资金规模过小决定的。在对不同类型商业银行盈利结构的影响层面，国有大型银行对应的lnP2P系数为负，且通过10%的显著性检验，然而股份制银行与城农商银行对应的lnP2P系数均为正，但均未通过显著性检验。这说明P2P网贷对不同类型银行的盈利结构存在显著的异质性影响，对国有大型银行非利息收入占比具有显著的冲击效应，但对股份制银行与城农商银行非利息收入占比的助推作用不显著。其主要原因在于：国有大型银行理财业务主要呈现低收益及低风险特征，促使国有大型银行理财业务的预期收益率相对较低。但是，股份制银行与城农商银行理财业务倾向于中收益及中风险特征，促使股份制银行与城农商银行理财业务的预期收益率相对较高。P2P网贷较高的预期收益率，使国有大型银行理财资金出现大幅分流，引发国有大型银行中间业务收入的大幅降低，由此对国有大型银行非利息收入占比形成显著的冲击效应。此外，股份制银行与城农商银行理财业务的预期收益率较高，因此P2P网贷对股份制银行与城农商银行非利息收入占比的影响不显著。

（三）稳健性检验

为进一步检验上述结论的稳健性，本文采用净资产收益率（ROE）代替资产收益率（ROA）作为商业银行盈利能力的衡量指标，对上述模型进行稳健性检验，结果见表4。从稳健性检验结果来看，解释变量的回归结果与本文前面结果完全一致，说明本文实证结果具有较好的稳健性及可靠性。

五、结论与建议

本文选取中国125家商业银行2013—2017年的季度数据，采用非平衡面板回归模型对互联网金融对商业银行盈利的影响进行探讨，得到如下主要结论：（1）第三方支付对商业银行盈利的影响。在盈利能力方面，第三方支付对商业银行盈利能力具有显著的负向影响，第三方支付对银行盈利能力存在显著的冲击效应，第三方支付与银行的竞争效应显现。在盈利结构方面，第三方支付对银行非利息收入占比具有显著的正向影响，第三方支付对银行非利息收入占比存在显著的助推作用，第三方支付与银行的合作效应显现。（2）P2P网贷对商业银行盈利的影响。在盈利能力方面，P2P网贷对银行资产收益率的负向影响不显著，P2P网贷对银行盈利能力的冲击效应不显著。在盈利结构方面，P2P网贷对银行非利息收入占比的正向影响不显著，P2P网贷对银行非利息收入占比的助推作用不显著。P2P网贷与银行之间的竞争与合作效应尚未显现。（3）第三方支付对商业银行盈利能力与盈利结构的影响力度均远大于P2P网贷对商业银行盈利能力与盈利结构的影响力度。（4）控制变量对商业银行盈利的影响。成本收入比对银行盈利能力存在冲击效应，不良贷款率、资本充足率、资产规模等对银行盈利能力均存在助推作用，但存贷比与GDP增速对银行盈利能力的影响均不显著。（5）互联网金融对不同类型商业银行的盈利存在显著的异质性影响。在对不同类型商业银行盈利能力的影响层面，第三方支付对股份制银行盈利能力的冲击力度最大，对国有大型银行盈利能力的冲击力度居中，对城农商银行盈利能力的冲击力度最小。但P2P网贷对不同类型银行盈利能力的影响均不显著，这主要是由P2P网贷的放贷资金规模过小决定的。在对不同类型商业银行盈利结构的影响层面，第三方支付对国有大型银行非利息收入占比具有显著的助推作用，但对股份制银行与城农商银行非利息收入占比的影响均不显著。P2P网贷对国有大型银行非利息收入占比具有显著的冲击效应，但对股份制银行与城农商银行非利息收入占比的影响均不显著。

针对上述结论，本文给出如下政策建议：（1）针对互联网金融对商业银行存款分流的负面影响，商业银行应适度授予存款人议价权，尤其是提升存款人对于大额定额存款的议价空间，以此来提高存款人的存款收益，从而实现商业银行稳定存款业务规模的目标，进而有效防范互联网金融对商业银行存款分流带来的不利冲击。（2）针对互联网金融对商业银行理财资金分流的负面影响，商业银行应强化金融创新机制，创设面向不同风险等级投资者的中高收益率理财产品，以此来吸引社会资金购买银行理财产品，从而稳定银行理财业务的市场规模，进而有效应对互联网金融对商业银行理财资金分流带来的不利冲击。（3）针对互联网金融与商业银行之间的业务合作，考虑到互联网金融平台更贴近客户市场，商业银行需要为互联网金融平台打通资金结算通道，互联网金融平台需要发挥其网络渠道优势为商业银行拓展中间业务规模，以此来发挥互联网金融对商业银行非利息收入的助推作用。（4）针对互联网金融对不同类型银行盈利的异质性影响，国有大型银行应提升贷款定价权，提升其应对存款价格上涨的能力，以此来防范互联网金融对其存款资金的分流行为。此外，考虑到股份制银行与城农商银行不享有存贷款市场规模优势，两类银行应注重与互联网金融平台在表内外业务层面的深度合作，以此来提升两类银行的整体盈利能力。

参考文献：

[1] Franklin A， James M， Philip S. E-finance： An introduction [J]. Financial Services Research， 2002， 1（36）： 5-27.

[2] David C， Amy Y. A guide to the internet revolution in banking [J]. Information Systems Management， 2000， 2（17）： 47-53.

[3] Lee J E R， Rao S， Nass C， et al. When do online shoppers appreciate security enhancement efforts？ Effects of financial risk and security level on evaluations of customer authentication [J]. International Journal of Human-Computer Studies， 2012， 70（5）： 364-376.

[4] Lee G H. Rule-based and case-based reasoning approach for internal audit of bank [J]. Knowledge-Based Systems， 2008， 21（2）： 140-147.

[5] Deyoung R， Rice T. Erratum： Noninterest income and financial performance at U. S. commercial banks [J]. Financial Review， 2010， 39（1）： 101-127.

[6] Norden L， Silva B C， Wagner W. Financial innovation and bank behavior： Evidence from credit markets [J]. Social Science Electronic Publishing， 2014， 43（1）： 130-145.

[7] Brissimis S N， Delis M D. Identification of a loan supply function： A cross-country test for the existence of a bank lending channel [J]. Journal of International Financial Markets Institutions & Money， 2009， 19（2）： 321-335.

[8] Jallath E， Negrin J. An empirical study of the interaction of electronic payment systems in Mexico [J]. Journal of Mathematics， 2001， 112（4）： 80-102.

[9] More D， Basu P. Challenges of supply chain finance： A detailed study and a hierarchical model based on the experiences of an Indian firm [J]. Business Process Management Journal， 2013， 19（4）： 624-647.

[10] Kao C， Hwang S N. Efficiency measurement for network systems： IT impact on firm performance [J]. Decision Support Systems， 2010， 48（3）： 437-446.

[11] 李克穆. 互联网金融的创新与风险 [J]. 管理世界， 2016（2）： 1-2.

[12] 何启志， 彭明生. 基于互联网金融的网贷利率特征研究 [J]. 金融研究， 2016（10）： 95-110.

[13] 張万力， 章恒全， 曹艳辉. 基于结构方程模型的互联网金融理财行为研究 [J]. 统计与信息论坛， 2015（2）： 100-105.

[14] 战明华， 张成瑞， 沈娟. 互联网金融发展与货币政策的银行信贷渠道传导 [J]. 经济研究， 2018（4）： 63-76.

[15] 王锦虹. 互联网金融对商业银行盈利影响测度研究——基于测度指标体系的构建与分析 [J]. 财经理论与实践， 2015（1）： 7-12.

[16] 申创， 刘笑天. 互联网金融、市场势力与商业银行绩效 [J]. 当代经济科学， 2017（5）： 16-29.

[17] 刘笑彤， 杨德勇. 互联网金融背景下商业银行并购重组选择差异的效率研究——基于商业银行异质性的Malmquist指数实证分析 [J]. 国际金融研究， 2017（10）： 65-75.

[18] 张庆君， 刘靖. 互联网金融提升了商业银行资本配置效率吗？——基于中国上市银行的经验证据 [J]. 金融论坛， 2017（7）： 27-38.

[19] 冯乾， 王海军. 互联网金融不当行为风险及其规制政策研究——以市场诚信、公平竞争与消费者保护为核心 [J]. 中央财经大学学报， 2017（2）： 24-31+51.

[20] 顾海峰， 杨立翔. 互联网金融与银行风险承担： 基于中国银行业的证据 [J]. 世界经济， 2018（10）： 75-100.

责任编辑、校对： 高原

作者：顾海峰 闫君

银行对贷款风险定价影响论文 篇2：

国内商业银行贷款定价影响因素研究

伴随利率市场化改革的不断推进，商业银行的贷款定价更富有弹性，可以通过合理的风险定价，在原有的运营环境下发掘新的盈利点，拓展信贷市场。但是，由于以往长期受到利率管制的影响，商业银行贷款定价普遍经验不足，导致了银行产品定价能力不足，产品价格难以对市场做出迅速准确的反应，不仅影响了银行经营效率，也阻碍了宏观金融政策实施。在此背景下，研究贷款定价机制、体系和方法，对于商业银行优化配置信贷资源、防范信贷风险和提高营利能力具有重要的现实意义。本文以青岛市为例，分析商业银行企业贷款定价水平的影响因素，并从改进商业银行贷款定价机制、更好支持实体经济发展角度出发，提出具有较强可操作性的措施建议。

一、商业银行贷款定价现状分析

以往研究表明，银行贷款定价水平与诸多因素相关。从全国来看，与中西部地区相比，东部地区在投资环境、信用体系建设和银企信用关系等方面更具优势，利率市场化改革的政策效应更为明显。青岛市作为典型的东部沿海城市，其金融市场化程度和对外开放程度较高，而且其总体经济实力和金融业发展在全国的影响力也不断增强。截至2017年末，青岛市共有各类金融机构246家，本外币存贷款余额分别为15129亿元、14388亿元，当年实现金融业增加值751亿元，且上述指标呈现逐年稳步增长态势。为深入研究青岛市银行机构企业贷款定价水平影响因素，本文以2014—2016年①青岛市银行机构发放的33581笔企业贷款数据为样本进行分析，从中研究发现其贷款定价水平特点，以及贷款定价与行业投向、银行类型、客户信用等级、贷款企业规模等的关系。

（一）贷款定价浮动区间分布情况

从青岛市银行机构企业人民币贷款利率浮动区间来看，各期限贷款利率较相应期限基准利率加权平均上浮30%。其中，利率在基准利率及以下贷款余额占比为16.37%，利率在基准利率与上浮30%区间贷款余额占比为40.26%，利率上浮超过30%以上的贷款余额占比为43.39%。从贷款利率年度间变化来看，上浮水平整体呈现上升态势，表明商业银行以低利率政策争夺优质客户资源的力度有所下降。特别是近年来，受货币政策趋于中性偏紧、商业银行信贷资源稀缺等因素影响，整体利率水平呈现稳中有升的趋势。

（二）贷款定价与行业投向的关系

从青岛市银行业机构企业人民币贷款利率行业分布情况来看，所有行业贷款加权平均利率为5.93%。其中，金融业贷款加权平均利率最低，仅为4.72%;结合贷款期限来看，金融业贷款基本维持在人民银行同期限基准利率;电力、热力、燃气及水生产和供应业，教育，水利、环境和公共设施管理业，批发和零售业等行业加权平均利率也低于所有行业贷款加权平均利率;科学研究和技术服务业，信息传输、软件和信息技术服务业，文化、体育和娱乐业，居民服务、修理和其他服务业等行业加权平均利率相对较高，超过或接近7%。综合来看，第一、二产业贷款加权平均利率处于中等水平，第三产业中细分行业呈现两极分化，其中金融业及公益性较强的公共服务类贷款利率相对较低，而第三产业中信息传输、软件和信息科技服务业，住宿和餐饮业等市场化程度较高的行业贷款利率相对较高。

（三）贷款定价与银行类型的关系

结合《金融业企业划型标准规定》（银发[2015]309号）和青岛市银行业发展实际，将青岛市银行机构大体划分为中资大型银行、中资中型银行、城市商业银行、农村商业银行和外资银行五类，基于2014—2016年青岛市各季度贷款利率基础数据，对贷款定价与银行类型之间的关系进行统计分析。分析发现青岛市各类银行机构贷款定价主要呈现以下特点：总体来看，各类银行贷款定价整体呈现出较为一致的变化趋势，表明青岛市金融业市场化程度较高，对外部政策和市场变化反应较为敏感，在贷款定价调整上具有较高的一致性。从各时点横向比较来看，农村商业银行和城市商业银行贷款利率高于青岛市银行机构平均贷款利率;外资银行和中资大型银行则低于青岛市各类银行机构平均贷款利率;中资中型银行呈现出“前高后低”的特点，2014年至2015年第二季度利率高于青岛市银行机构平均贷款利率，之后则低于或者持平于青岛市银行机构平均贷款利率。

（四）贷款定价与客户信用等级的关系

从贷款定价水平与客户信用等级关系来看，总体上呈现负相关关系，即客户信用等级越高，银行对其贷款定价水平相对越低。具体来看（见图1），信用等级在AA-及以上客户加权平均利率为5.71%，上浮占比24.8%;信用等级在A-至A+客户加权平均利率为6.04%，上浮占比32.5%;信用等级在A-以下客户加权平均利率为5.74%，上浮占比49%。其中，A-以下客户加权平均利率低于A-至A+客户，其原因在于A-以下客户贷款期限整体较短，三年以下贷款占比近90%，一年及以下贷款占比也接近60%。以上情况表明，客户信用等级是商业银行贷款定价及期限选择的重要因素，银行更倾向于支持高信用等级客户，约76%的贷款发放给了A-以上客户，对于信用等级低的客户，银行从风险收益匹配原则出发，倾向于缩短贷款期限并给予更高的利率上浮水平。

（五）贷款定价与贷款企业规模的关系

通过对最近一年贷款利率统计数据分析发现，商业银行更倾向于对大中型企业加大支持，约74%的贷款发放给了大中型企业（见图2）。从贷款定价水平来看，大、中、小、微型企业加权平均利率分别为5.27%、6.01%、6.05%、5.73%②，利率上浮占比分别为17.30%、33.51%、35.24%、43.00%。因此可以看出，商业银行贷款定价水平与企业规模呈负向关系，企业规模越大，银行倾向于给予更为优惠的利率，而针对小微企业则会给予更高的利率上浮水平。

二、相关政策建议

本文利用2014—2016年青岛市33581个贷款样本，对青岛市银行机构贷款定价情况进行数据分析发现：总体贷款定价水平相对较高，平均上浮水平大约为30%，上浮超过30%的贷款余额占比超过4成;联系行业投向来看，第一、二产业贷款加权平均利率处于中等水平，第三产业中细分行业贷款利率水平则呈现两极分化;联系银行类型来看，各类银行贷款定价水平差异性较为明显;联系客户信用等级来看，商业银行更倾向于支持高信用等级客户，而且还给予其更为优惠的贷款利率;联系企业规模来看，商业银行倾向于支持更大規模企业，而且还给予其更低利率。

第一，构建多层次融资体系，降低企业融资成本。在经济下行期，企业经营可能面临经济周期和行业周期双重压力，融资成本过高将导致企业难以为继，甚至可能引发行业风险乃至区域系统性风险。因此要构建完善多层次的融资体系，畅通企业融资渠道，降低企业融资成本。一是支持和引导金融机构以实体经济需求为导向，推进金融产品创新，构建多层次的融资体系，针对企业特点提供银行贷款、债券发行、上市融资等差异化融资模式，在促进融资便利化的同时，降低企业融资成本，重点是科学研究和技术服务业，信息传输、软件和信息技术服务业，文化、体育和娱乐业等贷款定价偏高但对产业转型升级具有积极影响的行业。二是从资金供给侧着手，加强金融监管力度，严厉打击各类金融掮客，坚决杜绝银行资金在金融体系内空转和哄抬资金成本，影响对实体经济的资金供给。

第二，强化政府政策引导职能，畅通小微企业融资渠道。商业银行从风险收益匹配原则出发，更倾向于向大中型企业提供贷款支持，且在贷款定价策略上更加优惠。对此，政府需要强化政策引导职能，鼓励支持商业银行加大对小微企业的资金供给。一是加大对小微企业贷款风险补偿力度。小微企业贷款风险补偿政策有助于强化对小微企业和实体经济金融服务的正向激励，对于缓解商业银行“慎贷、惧贷”心理较为有效，因此建议切实完善落实风险补偿政策，特别是在经济下行期，应在政府财力可承担的范围内进一步加大对小微企业贷款风险补偿力度。二是进一步发挥政府在缓解小微企业担保不足难题中的组织引导作用。政府需通过税收减免、资本金注入、风险补偿等方式加大对政策性担保公司的扶持力度，从而突出其政策性、公益性职能，降低对小微企业的服务收费标准;同时，结合小微企业所属行业特点，创新设计差异化的担保模式③，有效解决小微企业有效担保物不足的难题。

第三，搭建信息共享平台，完善社会征信体系建设。银企信息不对称是影响融资审批效率、增加融资成本和造成企业融资困难的重要因素之一，特别是对于小微企业而言。对此建议：一是由政府主导完善社会征信体系。一方面完善企业信息披露的法律法规体系，通过立法为信用数据的征集、开放和信用信息的流通搭建制度平台，提高企业的信息透明度;另一方面整合协调发改、财政、税务、工商、海关、司法、银行、保险、企业及有关中介机构，把分散的信息充分集中起来，建立统一集中的企业评价和信息共享体系，利用大数据为银行低风险、低成本、高效率支持企业提供便利④。二是加强对债权人的权利保护。一方面通过立法建立市场主体失信的惩罚机制，培育企业信用意识，完善社会信用体系;另一方面建立高效完善的破产清算制度，使债权人能够快速处置不良债权。

第四，完善商业银行贷款定价模型，提高贷款定价的科学性。一是商业银行应充分借鉴国际知名银行在经营理念、制度设计、风险评估等方面的先进经验，通过引入管理会计、内部评级等精细化管理系统，加强成本核算及风险评估，对借款企业违约风险进行合理评估，构建更加科学合理的贷款定价模型。二是商业银行在定价过程中，除考虑企业性质、企业规模、贷款担保方式和客户信用等级等传统因素外，还要结合国家政策导向、地方政策支持重点、经济周期等宏观因素，以及企业发展前景、企业实际控制人资信等微观因素，对既定的贷款定价模型进行适当调整，使贷款定价模型及其结论更加科学合理。

注：

①考虑到我国自2013年7月20日起，全面放开金融机构贷款利率管制，而且2014年以前贷款基准利率等调整幅度及频率相对较高，因此从数据稳定性、连续性以及可得性等角度综合考虑，选取2014—2016年贷款样本数据，从而在一定程度上减少数据样本的离散性，增加研究结果的可靠性。

②加权平均利率水平低于中型和小型企业是因为微型企业贷款平均期限最短，约65%的贷款期限集中于三年以下。

③如青岛市2017年出台了《青岛市科技金融投保贷联动业务实施办法（暂行）》（青科字[2016]13号），该模式下，通过政策性担保公司的增信机制，将科技企业信贷风险从银行机构移至高风险高收益的创投机构，推动各类金融机构加大对科技型中小企业的支持力度。

④如浙江台州于2014年建立了金融服务信用信息共享平台，主要面向政府部门和银行，该系统容纳了金融、法院、公安、地税、社保、国土、环保、建设、市场监督、国税、质监、电力等12个部门，能够为金融机构提供最为直观、及时、真实的企业信息，消除了信息不对称问题，帮助银行提高贷款审批决策质量和效率。该系统运行降低了小微企业金融服务成本、提高了小微企业融资效率、有效防范了金融風险。

作者：赵萍

银行对贷款风险定价影响论文 篇3：

商业银行贷款定价浅析

摘要：近年来，我国利率市场化改革稳步推进，国家逐渐放开对企业贷款利率上限的管制，商业银行的竞争也将逐步从原来的规模竞争转向价格竞争，转向风险定价的竞争中来。文章首先阐述我国商业银行贷款定价的现状及存在的问题，然后对西方商业银行贷款定价管理的主要模式进行分析，最后结合委托—代理框架，以期为我国商业银行给出一个合理的贷款定价模型。

关键词：商业银行；贷款定价模型；信息不对称

近年来，我国利率市场化改革稳步推进，先后放开了银行间拆借市场利率，债券市场利率和银行间国债市场和政策性金融债的发行利率；放开了境内外币贷款和存款利率；试办人民币长期大额协议存款；逐步扩大人民币贷款利率的浮动区间。更为重要的是2004年央行再次加大了利率市场化的改革力度，不仅两次扩大金融机构贷款利率浮动区间，直至实现“贷款利率下限、存款利率上限”管理的近中期目标，而且推出了一系列扩大商业银行贷款定价自主权的措施；2005年2月1日，中国人民银行又发布了《稳步推进利率市场化报告》，指出要加强金融机构的利率定价机制建设，按照风险与收益对称原则，建立完善的科学定价制度。由此看来，商业银行的竞争也将逐步从原来的规模竞争转向价格竞争，转向风险定价的竞争中来。不仅如此，在面对经济全球化及加入WTO的新形势下，外资银行的全面竞争已经到来，我国的商业银行要继续生存和发展壮大，如何科学合理地确定适当地贷款定价利率，以控制贷款风险保障贷款收益无疑是摆在商业银行面前的又一重要课题。

一、 国商业银行贷款定价的现状

中国利率体制改革一直滞后于其他经济领域，在漫长的渐进式演进历程中，政府包揽了一切利率地制定，银行严格执行央行的利率政策，缺乏利率自主权，所以国内银行不仅缺乏贷款定价的实践经验，而且也缺少实际运用的需要，本领域的理论研究也不多见。目前，贷款定价的难点主要体现在以下几个方面：

1. 利率市场化的问题。近年来，国家虽然加快了利率市场化的步伐，但在人民币存贷款利率管理上仍实行有管制的浮动利率体系。这样使商业银行在贷款定价上只能在央行规定的浮动区间内掌握。即使是低风险的优质客户贷款，贷款利率也不能低于央行规定的利率下限，同时也不能对高风险的贷款收取额外的风险溢价利率。因此，利率市场化进程将在一定程度上影响着商业银行加强贷款定价管理和构建贷款定价体系的积极性。

2. 贷款定价决策机制的形成。长期以来商业银行在贷款决策中主要通过评估客户的信用等级和还款能力，然后对贷款的发放与否做出决策，却很少对贷款的定价问题进行精确计算和慎重审批，更未形成科学、系统的贷款定价决策机制。其次，商业银行在贷款利率的实际制定过程中，往往主观随意性较大，对贷款利率是否进行浮动或者浮动多少商业银行一般都缺乏规范、精细的定价标准。其利率浮动的幅度通常并不能反映借款人的信用水平及贷款项目的风险程度。这种定价方式既不能在贷款价格中反映商业银行自身承担的风险程度，也无法提高贷款价格对各类不同客户的吸引力。

3. 信息支持体系的完善及量化系统的建立。从当今国际银行界普遍采用的贷款定价模型来看，完善的贷款定价系统必须能够对贷款项目的损失概率以及贷款客户的信用状况进行量化处理。而我国各商业银行基本上都没有建立定量化的定价系统以灵活地应对复杂多变的市场环境。由于我国商业银行对客户信用评级以及对贷款项目的风险分类起步较晚，分类标准也不完全统一，因而可用于量化和分析贷款风险的基础数据严重不足。

二、 西方商业银行贷款定价管理的主要模式

在利率市场化程度较高的西方发达国家，商业银行对贷款利率的管理相对比较成熟，其贷款定价的主要模式可归纳为以下几种：

1. 基于违约损失概率的贷款定价模型（Based-lost probility Loan Pricing）。银行贷款利率要满足商业银行两个方面的需要：一是要弥补货币的时间价值；二是要补偿贷款的违约风险。假设货币的时间价值用货币的名义利率r′来表示，贷款违约概率为p，那么贷款的协定利率应该为：r=（1+r′）/（1-p）-1。例如，一笔贷款的违约概率为2％，同期货币的名义利率为4.2％，则商业银行与企业签订贷款合同时，协定利率为：r=（1+0.042）/（1-0.02）-1=0.063。

但是由于很难确定每一笔贷款的违约概率，所以这种计算方法主要时针对某个借款人进行的，即假设借款人每笔借款的违约概率相同。

2. 成本加成定价法（Cost-plus Loan Pricing）。该定价模式的主要思想是贷款的价格必须能够补偿银行筹集资金所付出的成本和相关管理费用(即筹资的直接成本和间接成本)，同时价格还能够补偿贷款所面临的风险，并使银行获得一定的利润。其基本计算公式为：

贷款保本价格=资金成本+贷款费用+风险补偿费

贷款盈利价格=资金成本+贷款费用+风险补偿费+目标收益

这种定价方式直观地表明了银行贷款价格的结构。

但是，看起来简单的计算公式对于成本的计算要求却非常高，若要准确地计算单笔贷款费用和风险补偿费用需要一个精心设计的成本计算系统和健全的信用评级制度，这正是我国金融系统目前所缺乏的。

3. 成本—收益定价模式（Cost-benefit Loan Pricing）。该定价方法主要从三方面考虑确定贷款价格：一是在贷款利率和收费水平一定的情况下，测算贷款将产生的总收入；二是估算银行交付给借款人实际使用的贷款净额；三是用测算的总收入除以借款人实际使用的贷款净额，测算出贷款的税前收益。银行通过分析测算出税前收益是否足以补偿银行的融资成本，贷款所承担的风险以及除去所有成本后的银行预期利润，判断该笔贷款定价是否合理。该方法需要建立分析模型，难度较大。

4. 客户赢利性分析模式（Customer Profitability Analysis）。该方法是成本—收益定价法的延伸和细化。该定价模式指银行在综合计算与客户各种业务往来的成本和收益的基础上，根据银行的目标利润及客户风险水平等给贷款定价，即合理的贷款定价必须保证银行从某一特定客户的所有业务往来中获取的整体收益大于以贷款业务为主导的成本与银行目标利润之和。该方法是以市场为导向、以客户为中心的现代营销理念在银行经营管理中的具体体现。这种定价方式在所有定价模型中是最复杂、成本最高的，对精确度要求也非常高，因为计算过程中很小的误差也可能被放大得不可接受。因此，这种定价方法只能针对少数贡献度大、信誉度高、对银行至关重要的大型客户而言才是切实可行的。

5. 价格领导模式（Price Leadership）。该模式是当前国际银行业广泛采用的一种定价模式。其具体的方法是：首先选择某种利率作为基准利率，然后针对客户贷款项目的违约风险程度和贷款的期限风险程度，确定不同的风险溢价。由基准利率加上风险溢价“点数”（或乘上风险溢价“乘数”）便构成了具体贷款项目的实际利率。其计算公式为：

贷款利率=基准利率+违约风险溢价点数+期限风险溢价点数

或者也可表示为：

贷款利率=基准利率×风险溢价乘数

其中，选择何种利率为基准利率，一直是人们关注的焦点，目前，西方商业银行通常以货币金融中心的银行同业拆借利率为基准利率，如伦敦同业银行拆借利率（LIBOR）。价格领导定价法虽然简便，但在我国推行还有难度，一是我国资金市场还处于起步阶段，市场敏感度低：二是价格领导定价法是浮动定价法，短期人民币贷款仍以固定利率为主。

三、 信息不对称下我国商业银行贷款定价模型

1. 信息不对称对商业信贷管理的影响。我国市场经济的起步相对较晚，目前来说各项规章制度还不十分完善，在信贷市场中普遍存在着信息不对称的问题。这反映在信贷市场中就是各个贷款企业都刻意隐瞒自己真实的投资收益率。

在我国，信用风险是商业银行经营面临的主要风险。贷款合约双方的信息不对称导致银企借贷关系中的不确定性，增加了银企双方的交易成本。此时银行处于信息劣势，企业比商业银行更了解自己的经营状况，更清楚此笔贷款的潜在风险，更了解本企业的真实财务经营状况。因此，企业有可能将有利于自己而不利于银行的虚假信息传递给银行，银行则不可能完全了解更无法控制企业的行为。由于这种银企间的信息不对称，银行方无法对借款人在取得贷款后的经营管理行为和经济活动进行有效的监督，或者说要完成这种监督的成本太高，根本就无法实现，从而银行承担着潜在的风险损失。由此看来，信息不对称是我国商业银行信贷风险产生的重要原因。因此，如何削弱与消除信息不对称已成为商业银行亟待研究和解决的课题。由于贷款市场信息的不对称性，商业银行贷款业务中就始终伴随着逆向选择与道德风险问题。即最容易出现的两种极端情况，一种是即使贷款市场上有风险较低的贷款机会和合格的借款人，但执行贷款业务的金融机构视而不见；另一种是给实际上已经濒临破产的借款人发放贷款。

2. 信息不对称下贷款定价模型的思路。在贷款过程中，商业银行的信息不对称程度直接影响贷款决策的合同安排。如何把握贷款利率，在风险与收益之间寻求平衡点，为银行信贷资产管理提出了新的课题。当银行不拥有企业风险类型的完全信息时，信贷合同会发生逆向选择和道德风险，在委托代理框架下，研究作为委托人的银行及作为代理人的借款企业，如果对不同风险的投资项目，采取相应的利率政策，达到最优信贷合同。这里给出贷款利率的定价模型，求解出信贷双方目标均可得到满足的激励性对策解。

现假定市场完全竞争，不存在垄断或寡头垄断的情况，商业银行可以而且应该采用灵活定价策略。

考虑一笔贷款合同，银行净利息收益函数，即委托人的目标函数是：

Z0=p-r0Q（1）

公式（1）中，p为贷款利息，r0为资金成本率，Q为贷款金额。银行自身的理性约束为：

s．t．r0≤r≤r1（2）

公式（2）中，r为贷款利率，r1为企业投资收益率。

为使模型求解方便，将银行贷款利率的理性约束公式（2）转化为二次函数条件，即银行净利息收益函数转化为一种广义形式，则：

Z=Z0-3a1（r-r0）2-3a2（r1-r）2（3）

公式（3）中，a1、a2分别是贷款利率理性约束中的最低和最高利率的参数，且a1、a2>0。贷款企业的利润函数，即代理人的目标函数为：

X0=r1Q-P（4）

企业的个人理性约束为：

s．t．r≤r1（5）

同样，引入企业利润函数的广义形式，即：

X=X0-3c（r1-r）2（6）

其中，c为企业贷款利率理性约束二次函数的参数，且c>0。

在上述借贷合同所表达的委托一代理关系中，企业作为代理人，其投资收益率r1是一个与观测有关的信息变量：在完全信息条件下，是可观察的，即对于委托人和代理人而言，r1是已知的；但在信息不对称条件下，对代理人企业而言，r1是已知的，对委托人银行来说却是未知的。

在资本市场中，银行作为资金的提供者，出于信贷资产安全和赢利性的考虑，必须要求得到一个与其承担风险相适应的补偿；而企业作为代理人其收益高低往往与风险相联系，所以可以认为贷款利率r与企业投资收益率r1相关。但在信息不对称时，企业有关投资收益率的风险对银行来说是隐匿的，银行并不能直接观察到。通常在这种情况下，由揭示原理可知委托一代理问题能够转化为一个动态最优控制问题，委托人可以找到一个适当的途径，使双方都可得到满足，这个合同就是激励性对策解。

首先考虑作为委托人的银行的目标函数，在信息不对称的情况下，银行的目标函数，即：

其中，Z为信息不对称条件下银行的期望目标函数， f（r1）为企业投资收益的概率密度函数，r1的取值区间为[r1L，r1U]。

其次，作为代理人的企业的目标函数为：

其中，投资收益率r1对于企业是已知的，而对于银行是未知的，设r1为银行对企业投资收益率的估计，p（r1）， r（r1）表示银行的利息收入和贷款利率与企业投资收益率估计值r1有关。

根据委托代理理论中的显示原理，令式（8）对r1的一阶导数为零，得到约束条件即：

p′=-c（r1-r）e（9）

e=r′（r1）=r*（10）

其中，e是贷款利率r对投资收益率估计值r1的一阶导数。

对于目标函数（7），Hamilton函数为：

当银行与企业签定一笔贷款合同时，在信息不对称条件，作为代理人的企业对自身的投资收益率是已知，而作为委托人的银行对企业的投资收益是未知的，但是银行可以大体地估计出企业收益率的概率密度函数，然后根据银行对贷款风险的态度及企业可承受的贷款利率水平设置参数：a1，a2，c，最后由（17）式得到最优的贷款利率。

四、 小结

本文讨论了利率市场化下，我国商业银行贷款定价的现状及存在的问题，并借鉴西方商业银行贷款定价管理委托一代理模型，为我国商业银行给出一个可行的贷款定价模型。但贷款定价是一项复杂的系统工程，也是一门具有丰富内涵的艺术。要确定合理的贷款价格水平，商业银行必须仔细权衡内、外各种因素，全面考虑主、客观各种条件。国内各商业银行应以贷款定价的基本原理为指导，以国外商业银行贷款定价的成功经验为借鉴，不断地改进和修订已有的定价方法，确定适合本行的定价模式，逐步提高本行在贷款市场上的竞争力。

参考文献：

1. （美）彼得·S·罗斯著.刘园译.商业银行管理.北京:经济科学出版社，2007.

2. 赵晓菊.银行风险管理—理论与实践.上海:上海财经大学出版社，1999.

3. 单国霞.利率市场化下商业银行贷款定价讨论.技术经济与管理研究，2004，（4）.

4. 曹清山,邹玉霞，王劲松.商业银行贷款定价策略和模型设计.金融论坛，2005，（2）.

5. 陈雪,杜玉兰,周淼.我国商业银行贷款定价模式的研究.商业研究,2005，（18）.

6. 陈勐豪.我国商业银行贷款定价方法分析探讨.经济与社会发展，2005，（8）.

作者简介：范娜，中山大学岭南学院博士生。

收稿日期：2011-05-13。

作者：范娜